Apakah perusahaan di Indonesia, Vietnam, atau Filipina benar-benar siap menjalankan AI — tidak hanya membeli lisensi atau mengiklankan 'AI-powered' di website mereka?
Menteri Negara Singapura untuk Perdagangan dan Industri, Teo Chee Hean, memberikan jawaban tegas dalam pidatonya di edisi kedua Asia Economic Summit yang diselenggarakan TechInAsia: kesiapan teknis belum berarti kesiapan operasional. Ia menegaskan bahwa banyak proyek AI di kawasan ini terhenti di tahap uji coba — bukan karena algoritma buruk, tapi juga karena kurangnya integrasi dengan proses bisnis, ketiadaan standar data internal, dan kekurangan tenaga ahli yang mampu menerjemahkan model ke keputusan harian.
'Pilot Syndrome' yang Menghambat Skalabilitas
Teo menyebut fenomena ini sebagai 'pilot syndrome': ratusan startup dan korporasi di ASEAN telah meluncurkan puluhan proyek AI eksperimental — mulai dari chatbot layanan pelanggan hingga sistem prediksi stok gudang — namun hanya 12% yang berhasil ditingkatkan ke skala penuh, menurut studi ASEAN Digital Transformation Index 2023. Dilansir TechInAsia, angka ini konsisten di tujuh negara anggota ASEAN, termasuk Indonesia dan Thailand. Yang lebih mengkhawatirkan, 68% dari pilot tersebut tidak memiliki roadmap pemeliharaan pasca-luncur: tidak ada tim internal yang bertanggung jawab atas pembaruan model, tidak ada mekanisme audit bias algoritmik, dan tidak ada SOP untuk menangani kegagalan prediksi.
Baca juga: Neural Drive Potong Biaya Alat Komunikasi Bantu 90% Tanpa Operasi
Di Jakarta, contoh nyata muncul di sektor logistik: sebuah perusahaan distribusi nasional mengadopsi platform AI untuk optimasi rute pengiriman pada 2022. Setelah tiga bulan uji coba, sistem justru meningkatkan waktu tunggu pengemudi 17% karena tidak memperhitungkan kondisi lalu lintas real-time di Jabodetabek. Solusinya bukan mengganti vendor, melainkan merekrut dua data engineer lokal dan membentuk unit kolaborasi antara IT dan operasional — proses yang memakan waktu delapan bulan tambahan.
Kesenjangan Kapasitas Antara Pusat dan Daerah
Yang jarang dibahas dalam konferensi teknologi adalah ketimpangan geografis dalam kapasitas AI. Teo menyoroti bahwa pusat-pusat inovasi seperti Singapura dan Kuala Lumpur memang punya akses ke talenta global dan infrastruktur cloud tingkat tinggi, tetapi 83% UMKM di Jawa Timur atau Kalimantan Barat bahkan belum memiliki sistem manajemen data dasar — apalagi model pembelajaran mesin. Menurut TechInAsia, hanya 9% UMKM di Indonesia yang menggunakan software akuntansi berbasis cloud; sisanya masih mengandalkan Excel dan catatan manual. Tanpa fondasi data yang andal, AI bukan solusi — melainkan beban administratif baru.
Baca juga: Stripe Masuk Singapura: Apa Artinya untuk UMKM Indonesia?
Ini bukan soal kemalasan digital. Di Kabupaten Banyuwangi, misalnya, petani kopi mencoba mengadopsi aplikasi prediksi cuaca berbasis AI. Namun, sensor IoT yang diperlukan tidak bisa dipasang karena sinyal 4G tidak stabil di lereng Ijen. Solusi teknis harus disesuaikan dengan konteks fisik dan sosial — bukan sebaliknya. Teo menegaskan bahwa 'scalability' dalam konteks ASEAN bukan berarti menyalin arsitektur Silicon Valley, melainkan membangun sistem modular yang bisa berjalan di atas infrastruktur terbatas dan SDM yang sedang dalam proses pelatihan.
Di sisi regulasi, Teo juga mengingatkan bahwa kerangka etika AI di kawasan ini masih bersifat deklaratif. Tidak ada undang-undang nasional di Indonesia, Malaysia, atau Filipina yang secara eksplisit mengatur tanggung jawab hukum saat sistem AI salah mengambil keputusan kredit atau diagnosis medis. Regulasi yang ada — seperti panduan ASEAN Framework for AI Governance — bersifat sukarela dan tidak mengikat. Akibatnya, perusahaan lebih memilih tidak mengadopsi AI di area berisiko tinggi, meskipun potensi efisiensinya besar.
Rangkuman dampak langsung dari peringatan Teo adalah tiga hal konkret: pertama, investasi AI di ASEAN akan semakin difokuskan pada capacity building — bukan hanya beli teknologi, tapi bangun tim hybrid (IT + domain expert + HRD); kedua, vendor asing mulai menyesuaikan produk mereka dengan skenario low-bandwidth dan low-data literacy. Ketiga, pemerintah daerah di Indonesia mulai mengalokasikan anggaran pelatihan AI untuk pegawai teknis tingkat kabupaten — bukan hanya untuk pejabat eselon I. Ini bukan soal mengejar tren, tapi memastikan bahwa setiap rupiah yang dihabiskan untuk AI benar-benar menghasilkan keputusan yang bisa diverifikasi, diulang, dan dipertanggungjawabkan.